676 Star，我给AI编程助手装上耳朵：音效写

你花三小时调好一个 90 秒的 Demo，最后从免费库里拖个 click 音效上去。没人说难听，但也没人夸专业。

AI 早就能写渲染影片的代码了，问题是它听不见自己做出来的东西。所以我给 AI 编程助手装了双耳朵——开源项目 Earshot，纯 CPU 跑，不用显卡。它能把声音变成 AI 能推理的证据：这段录音像什么、和描述有多像、长录音里最好的那一刻在哪。

它不光能听，还能自己造声音再听回来打分。Forge 流程是这么转的：AI 写配方，渲染一批候选，打分，读评语改配方，再来一轮。盲测时，15 次里挑对“哪个是合成的”只有 8 次，基本就是抛硬币的水平。

不过模型很容易被讨好。搜完之后，做出来的声音能通过所有模型检查，连留出集都过，但物理测量还能分出来。所以证明重构没改坏行为，别只给一个指标。给一个指标，再加一句这个指标失效时你还在看什么。

装起来大概五分钟，但有坑得先说。每次 CLI 调用是新进程，加载模型要二三十秒，调超过三次就挂成 MCP server。Forge 的参考录音有版权不在仓库里，想让它“像真的”，参考集得自己准备。